محمود البرزی

زمینه و هدف: با تمرکز بر تنوع سرمایه های انسانی موجود در سازمان ها و نقش احتمالی آنها در اثربخشی نظام جبران خدمات، هدف از اجرای این پژوهش، پیش بینی اثربخشی نظام جبران خدمات برای انواع سرمایه های انسانی در نیروی انتظامی استان قزوین بوده است. روش شناسی: پژوهش حاضر کاربردی و از نوع تحقیقات توصیفی (غیرآزمایشی) است. جامعه آماری مدیران عالی، میانی و عملیاتی نیروی انتظامی استان قزوین به تعداد 53 نفر بود که از این میان، دسترسی به نظرهای 46 نفر از آنان برای محقق ممکن شد. ابزار سنجش، پرسش نامه بود. به منظور تحلیل داده ها، از روش های تحلیل شبکه ای و سیستم استنتاج فازی استفاده شد. یافته ها: بنا بر نتایج پژوهش، اثربخشی نظام جبران خدمات با توجه به نوع سرمایه های انسانی متفاوت است. اولویت عناصر جبران خدمات برای سرمایه های انسانی هسته ای، به ترتیب عبارت است از: جذب، پاداش، حقوق، مزایا، خدمات رفاهی و جایزه. اولویت عناصر برای سرمایه های انسانی ویژه عبارت است از: حقوق، مزایا، جذب، پاداش، خدمات رفاهی و جایزه. این اولویت برای سرمایه های انسانی ضروری به این ترتیب است: حقوق، مزایا، خدمات رفاهی، پاداش، جایزه و جذب و در نهایت، برای سرمایه های انسانی کمکی اولویت عناصر عبارت است از: مزایا، پاداش، حقوق، خدمات رفاهی، جایزه و جذب. همچنین، ارزیابی مدل در نیروی انتظامی نشان داد که بیشترین اثربخشی مشاهده شده در این سازمان، سرمایه های انسانی ضروری تعلق دارد. نتیجه گیری: مهم ترین دستاورد این مقاله، طراحی سیستمی در زمینه جبران خدمات اثربخش در نیروی انتظامی است که با توجه به مقادیر ورودی ها، به طور پویا مقدار خروجی را تعیین خواهد کرد. برای پیش بینی میزان اثربخشی نظام جبران خدمات، این الگو بسیار کاربردی است.

امکان استمهال و تجدید قراردادهای تسهیلات در ایران ممکن است منجر به شناسایی سود موهومی توسط بانک ها شده و در نهایت بحران بانکی و اخلال در نظام پولی کشور را در پی داشته باشد، لذا برای جلوگیری از رسیدن بانک ها به مرحله استمهال و تجدید قراردادها، سنجش ریسک اعتباری مشتریان بسیار ضروری است. هدف پژوهش حاضر افزایش دقت و صحت اعتبارسنجی مشتریان، با استفاده از ساختار مدل های هیبریدی بوده و به صورت مطالعه موردی بر روی بانک ملت انجام شده است. در این راستا 14 مدل یادگیرنده با یکدیگر مقایسه و میزان توانایی آن ها در اعتبار سنجی مشتریان مشخص شد. نتایج حاکی از آن است که بر اساس هر دو معیار صحت (نرخ موفقیت) و سنجه F (میانگین هارمونیک بین دقت و یادآوری) مدل ترکیبی فرایادگیر (KNN-NN-SVMPSO)-(DL)-(DBSCAN) با نرخ صحت 99.90  از بالاترین عملکرد نسبت به سایر مدل های پایه و ترکیبی فرایادگیر برخوردار است. همچنین با استفاده از روش های تجزیه و تحلیل اصل جزء (PCA)، شاخص جینی (Gini)، نسبت اطلاعات بهره (IGR) و اطلاعات بهره (IG) نسبت به محاسبه وزن ویژگی ها و رتبه میانگین آن ها نشان داده شد، که ویژگی هایی همچون میزان وثیقه، نوع وثیقه و میزان تسهیلات به ترتیب مهم ترین ویژگی ها در تشخیص مشتریان خوب(دارای ریسک اعتباری کم) از بد (دارای ریسک اعتباری بالا) بوده اند.

زمینه و هد ف: طراحی مد لی برای شناسایی و اولویت بند ی ویژگی های مد یران پیش کنش، به منظور تشخیص آنها از مد یران غیر پیش کنش و تصمیم گیری د رباره قرار د اد ن این نوع از مد یران د ر شغل های مهم و حساس، برای همه سازمان ها از اهمیت ویژه ای برخورد ار است. هد ف این پژوهش، ارایه مد لی برای شناسایی و اولویت بند ی ویژگی های مد یران پیش کنش د ر نیروی انتظامی است. روش: این پژوهش، از نظر هد ف، توسعه ای است. از نظر ماهیت پژوهش، توصیفی و از نوع پیمایشی و از نظر زمانی، مقطعی است. برای گرد آوری د اد ه ها از ابزار پرسش نامه بسته استفاد ه شد . جامعه آماری پژوهش شامل کلیه مد یران و معاونان نیروی انتظامی استان گیلان است و د اد ه های تحقیق با روش تصاد فی خوشه ای از 132 نفر گرد آوری شد . روایی پرسش نامه از طریق مصاحبه با خبرگان د انشگاهی و حرفه ای بررسی و تأیید شد و همچنین از روایی سازه نیز بهره گرفته شد . ضریب آلفای کرونباخ کل پرسش نامه برابر با 84/0 و حاکی از پایابود ن پرسش نامه پژوهش است. تجزیه و تحلیل د اد ه ها از طریق تحلیل عاملی تأیید ی مرتبه اول و مرتبه د وم با کمک نرم افزار لیزرل انجام شد . یافته ها: یافته های حاصل از تحلیل عاملی مرتبه اول، همه شاخص های د ر نظر گرفته شد ه برای مؤلفه ها را مورد تأیید قرار می د هد و نتایج تحلیل عاملی مرتبه د وم نیز نشان می د هد که بین د انش، توانایی و مهارت با ویژگی های مد یران پیش کنش ارتباط معناد اری به شد ت 79/0 وجود د ارد (25/6(t). همچنین شخصیت پیش کنش با ویژگی های مد یران پیش کنش ارتباط معناد اری به شد ت 97/0 د ارد (46/6(t ) و انگیزش د رونی نیز با ویژگی های مد یران پیش کنش ارتباط معناد اری به شد ت 77/0 د ارد (99/6=t). نتایج: د ر این پژوهش، شخصیت پیش کنش، انگیزش د رونی، د انش، مهارت و توانایی به همراه 29 شاخص، به عنوان ویژگی های مد یران پیش کنش شناسایی شد ند . شاخص های شناسایی شد ه برای شخصیت پیش کنش عبارت اند از برون گرایی، وجد ان، د اشتن ذهن باز، حیطه کنترل د رونی، ریسک پذیری، قاطعیت، مشورت جویی، برد باری، برخورد اری از نظم ، انتقاد پذیری، مثبت اند یشی، انعطاف پذیری، توکل گرایی، خوش بینی، وظیفه شناسی و عمل گرایی. شاخص های انگیزش د رونی نیز شامل انگیزه پیشرفت، خود شکوفایی، خود کارآمد ی و علاقه به شغل است. همچنین برخورد اری از د انش شغلی و محیطی، مهارت های سازمانی و ارتباطی، هوشمند ی، هوش عاطفی و توانایی تصویرسازی ذهنی به عنوان شاخص های د انش، مهارت و توانایی شناخته شد ند .

براساس سند راهبردی توسعه فناوری نانو، ایران می بایست طی یک دوره ده ساله و تا پایان سال 92 به رتبه پانزدهم در سه شاخص تولید علم، فناوری و بازار دست می یافت. کسب رتبه چهارم در تولید علم در سال 92 نشان از موفقیت چشم گیر این برنامه در شاخص علم بوده، اما دو شاخص دیگر علیرغم تمام تلاش ها از رتبه جهانی خوبی برخوردار نیستند. عدم دستیابی به هدفگذاری های انجام شده در شاخص های فناوری و بازار و یا به عبارتی، سرعت کم نوآوری در این حوزه با وجود نرخ بالای تولید علم، یک مساله پیجیده و پویاست که نیازمند استفاده از رویکرد سیستمی در تحلیل آن می باشد، از آنجا که این شبکه ها درقالب سیستم های پیچیده انطباقی مورد مطالعه قرار می گیرند، استفاده از روش تحلیل شبکه های اجتماعی در شناسائی ساختار آنها مورد توجه قرار گرفته است. این مقاله ساختار شبکه نوآوری نانو ایران درحوزه سلامت را با روش تحلیل شبکه های اجتماعی مورد بررسی قرار داده و به این نتیجه رسیده است که ساختار شبکه از نوع آزاد مقیاس می باشد و از آنجا که در این نوع شبکه ها، قدرت متمرکز است شبکه از کارایی لازم برخوردار نبوده و سرعت نوآوری در آن بسیار پائین است. لذا در کنار انواع سیاستگذاری های انجام شده برای توسعه فناوری نانو در کشور، سیاستگذاری هدفمند برای ارتقای سطح همکاری ها به گونه ای که ساختار شبکه به سمت ساختارهای کارآمد حرکت کند - تا سرعت نوآوری در آن افزایش یابد- یک ضرورت محسوب می شود.

هدف این پژوهش ایجاد یک مدل پویایی شناسی سیستم، برای مدیریت دوره حیات کسب و کار های نوپا -بر اساس عوامل شناسایی شده مؤثر در شکست و موفقیت این کسب و کارها و بررسی تأثیرات این عوامل در حلقه های مختلف است. روش این پژوهش در بخش شناسایی عوامل از نوع تئوری زمینه ای بوده و در بخش مدل سازی بر اساس پویایی شناسی سیستم می باشد. بر اساس مطالعات انجام شده، نرخ موفقیت کسب و کار های نوپا (استارت آپ ها) در سراسر جهان بسیار پایین و طبق نتایج پژوهش ها کمتر از 10 درصد می باشد. لذا شناسایی عوامل مؤثر بر موفقیت و شکست استارت آپ ها و استخراج یک مدل پویا از این عوامل، می تواند به مدیریت استارت آپ ها و افزایش احتمال موفقیت بینجامد. جهت استخراج عوامل شکست و موفقیت در این پژوهش، 25 مصاحبه با فعالان حوزه کسب و کار های نوپا در تهران، در چهارچوب روش نظریه زمینه ای ساخت گرا صورت پذیرفته است و پس از شناسایی عوامل مذکور شامل 87 مفهوم، 32 مقوله و 7 مقوله کلی، ابتدا نمودار های علی-حلقوی در حوزه های مختلف ترسیم شده و سپس یک مدل بر اساس پویایی شناسی سیستم، شامل 13 متغیر حالت از عوامل مؤثر ایجاد گردیده است. مدل حاصل، با تست های متعدد بررسی شده و نتایج نشان از امکان پیش بینی روند رشد و یا شکست استارت آپ ها از طریق مدل سازی و تعیین ضرایب مربوطه دارد.

پیش بینی روند بازار رمزارزها به دلیل تفاوت های بنیادین با ارزهای سنتی، همواره چالشی بزرگ بوده است. این چالش به طور عمده ناشی از تأثیرات متقابل سیگنال های مرسوم، پیشرفت های فناوری اطلاعات و سیاست های کلان دولت ها بر پذیرش این ارزها است. این مقاله با رویکردی نوین، بجای تحلیل جداگانه یک یا چند رمزارز فرایندی در راستای حمایت از تصمیم ارائه می د هد که معیار آن مقبولیت عمومی بازار رمزارزها است. رویکرد پیشنهادی امکان تحلیل دقیق تر و واقع بینانه تری از روندهای بازار را فراهم می آورد. با استفاده از این فرآیند، می توان در هر بازه زمانی دلخواه، جداول راهنمای خرید یا فروش تولید کرد. در این مطالعه از دو ابزار تحلیلی، بیشینه درست نمایی و شبکه باور بیزی، استفاده شده است و امکان مقایسه این دو روش نیز مورد بررسی قرار گرفته است. در ضمن با تولید یک شبکه باور بیزی دیگر با قدرت یال های بالا، حاصل از شبکه های تولید شده، تصمیم گیری معاملات محتاطانه را مقدور می سازیم. این روش با استفاده از 1155 نقطه زمانی در هر هفته و 484 نقطه زمانی در هر روز از 21 رمزارز با بالاترین ارزش بازار در دو بازه سه ماهه پایانی سال 2024 و ماه-های مارس، اوریل و می 2025 اعتبارسنجی شده است. پژوهش حاضر فرآیندی را ارائه می دهد که با دقت، صحت، یادآوری و استحکام بالای مدل هایش، توانایی پشتیبانی تصمیمات خرید و فروش با میانگین دقت حداقل 78 درصد به صورت روزانه و 5/64 درصد به صورت هفتگی را دارد. این روش می تواند در سازگاری با پویایی و عدم قطعیت موجود این بازار به طور قابل توجهی مفید باشد.